掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
預測模型的優化及應用 版權信息
- ISBN：9787504697905
- 條形碼：9787504697905 ; 978-7-5046-9790-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
預測模型的優化及應用 內容簡介
本書主要介紹一些預測模型的優化策略及實際應用案例。全書共分為8章，大致分為3個部分：第1部分(第1章、第2章)介紹預測的基礎及預備知識，其中第1章介紹預測的基礎知識，第2章作為后面章節的預備，主要介紹人工智能參數優化算法；第2部分(第3~6章)介紹一些時間序列預測模型的優化方法及應用，其中第3章介紹時間序列中缺失數據預測優化填充處理方法，第4章介紹指數平滑預測優化模型及其應用，第5章介紹BP神經網絡預測優化模型及其應用，第6章介紹GRU神經網絡預測優化模型及其應用；第3部分(第7章、第8章)介紹一些時間序列擬合預測模型的優化方法及其應用，內容涉及Weibull分布擬合預測優化模型和雙側截尾正態分布擬合預測優化模型。每章都附有實際應用案例，以便讓讀者更好地理解相關預測模型，并對其優化性能有更深刻的感知。
預測模型的優化及應用 目錄
前言
第1章 緒論
1.1 預測概述
1.1.1 預測的定義
1.1.2 預測的原則
1.1.3 預測的步驟
1.2 時間序列的預測概述
1.2.1 時間序列的定義
1.2.2 時間序列的預測
1.2.3 時間序列預測模型的分類
1.2.4 時間序列預測誤差評判準則
1.3 特殊時間序列—頻率的擬合預測概述
1.3.1 頻率
1.3.2 擬合預測
1.3.3 針對頻率的擬合預測概率分布
1.3.4 針對頻率的擬合預測誤差評判準則
1.4 預測模型優化的必要性
參考文獻
第2章 人工智能參數優化算法
2.1 粒子群優化算法
2.1.1 基本的PSO算法
2.1.2 自適應參數PSO算法
2.1.3 量子行為的PSO算法
2.2 微分進化算法
2.2.1 突變操作模型
2.2.2 交叉操作模型
2.2.3 選擇操作模型
2.3 布谷鳥搜尋算法
2.3.1 布谷鳥行為及假設
2.3.2 Lévy飛行及Lévy分布
2.3.3 與Lévy飛行有關的布谷鳥搜尋算法
2.3.4 Lévy飛行的具體實施
參考文獻
第3章 缺失數據預測優化填充
3.1 頻譜分析
3.1.1 周期圖
3.1.2 加窗譜估計
3.2 LSTM網絡
3.3 缺失數據預測填充策略
3.3.1 正向周期預測填充
3.3.2 逆向周期預測填充
3.3.3 序列預測填充
3.3.4 組合預測填充
3.4 應用案例
3.4.1 頻譜分析結果
3.4.2 缺失數據填充預測模型的實現
3.4.3 缺失數據預測填充結果
3.5 閱讀材料
參考文獻
第4章 指數平滑預測優化模型及其應用
4.1 乘法分解模式
4.2 季節項的建模求解
4.3 趨勢項的指數平滑預測模型
4.3.1 一階自適應系數預測模型
4.3.2 二階自適應系數預測模型
4.4 指數平滑預測優化模型
4.4.1 PFAC模型
4.4.2 PSAC模型
4.4.3 SPFAC模型
4.4.4 SPSAC模型
4.5 實例應用
4.5.1 實例數據
4.5.2 損失函數
4.5.3 模型誤差模擬分析
4.6 閱讀材料
參考文獻
第5章 BP神經網絡預測優化模型及其應用
5.1 加法分解模式
5.2 BP神經網絡預測模型
5.2.1 前向傳播原理
5.2.2 反向傳播原理
5.2.3 反向傳播神經網絡算法
5.3 BP神經網絡預測優化模型
5.4 實例應用
5.5 閱讀材料
參考文獻
第6章 GRU神經網絡預測優化模型及其應用
6.1 相關分析
6.1.1 Pearson相關系數
6.1.2 偏相關系數
6.1.3 自相關分析
6.1.4 偏自相關分析
6.1.5 *大信息系數
6.2 假設檢驗
6.2.1 t檢驗
6.2.2 Friedman檢驗
6.2.3 Nemenyi檢驗
6.3 GRU神經網絡
6.4 GRU神經網絡預測優化模型
6.5 實例應用
6.5.1 實例數據
6.5.2 數據清洗
6.5.3 輸入變量的選擇
6.5.4 超參數的確定
6.5.5 實驗設計
6.5.6 數據生成器結果分析和比較
6.5.7 統一預測范圍后的結果對比
6.5.8 其他應用實例
6.5.9 與其他模型的預測精度對比
6.6 閱讀材料
參考文獻
第7章 Weibull分布擬合預測優化模型及其應用
7.1 Weibull分布
7.1.1 雙參Weibull分布
7.1.2 雙側Weibull分布
7.2 其他分布
7.2.1 Logistic分布
7.2.2 Lognormal分布
7.3 損失函數
7.3.1 基于極大似然估計的損失函數
7.3.2 基于矩估計的損失函數
7.3.3 新損失函數
7.4 Weibull分布擬合預測優化
7.5 實例應用
7.5.1 實例數據
7.5.2 實例模擬流程
7.5.3 形狀參數估計結果
7.5.4 概率分布擬合結果
7.6 閱讀材料
參考文獻
第8章 雙側截尾正態分布擬合預測優化模型及其應用
8.1 雙側截尾正態分布
8.1.1 一元正態分布
8.1.2 多元正態分布
8.1.3 截尾正態分布
8.2 擬合預測精度
8.2.1 截尾正態分布擬合預測精度淺析
8.2.2 擬合預測精度衡量準則
8.2.3 連續分級概率評分
8.3 參數估計方法
8.3.1 截尾點參數估計方法
8.3.2 損失函數
8.4 雙側截尾正態分布擬合預測優化及其異常值檢測應用
8.5 實例應用
8.5.1 實例數據
8.5.2 初始化參數選擇
8.5.3 不同標準化區間對模型的影響
8.5.4 *終異常值檢測結果
8.6 閱讀材料
參考文獻
第1章 緒論
1.1 預測概述
1.1.1 預測的定義
1.1.2 預測的原則
1.1.3 預測的步驟
1.2 時間序列的預測概述
1.2.1 時間序列的定義
1.2.2 時間序列的預測
1.2.3 時間序列預測模型的分類
1.2.4 時間序列預測誤差評判準則
1.3 特殊時間序列—頻率的擬合預測概述
1.3.1 頻率
1.3.2 擬合預測
1.3.3 針對頻率的擬合預測概率分布
1.3.4 針對頻率的擬合預測誤差評判準則
1.4 預測模型優化的必要性
參考文獻
第2章 人工智能參數優化算法
2.1 粒子群優化算法
2.1.1 基本的PSO算法
2.1.2 自適應參數PSO算法
2.1.3 量子行為的PSO算法
2.2 微分進化算法
2.2.1 突變操作模型
2.2.2 交叉操作模型
2.2.3 選擇操作模型
2.3 布谷鳥搜尋算法
2.3.1 布谷鳥行為及假設
2.3.2 Lévy飛行及Lévy分布
2.3.3 與Lévy飛行有關的布谷鳥搜尋算法
2.3.4 Lévy飛行的具體實施
參考文獻
第3章 缺失數據預測優化填充
3.1 頻譜分析
3.1.1 周期圖
3.1.2 加窗譜估計
3.2 LSTM網絡
3.3 缺失數據預測填充策略
3.3.1 正向周期預測填充
3.3.2 逆向周期預測填充
3.3.3 序列預測填充
3.3.4 組合預測填充
3.4 應用案例
3.4.1 頻譜分析結果
3.4.2 缺失數據填充預測模型的實現
3.4.3 缺失數據預測填充結果
3.5 閱讀材料
參考文獻
第4章 指數平滑預測優化模型及其應用
4.1 乘法分解模式
4.2 季節項的建模求解
4.3 趨勢項的指數平滑預測模型
4.3.1 一階自適應系數預測模型
4.3.2 二階自適應系數預測模型
4.4 指數平滑預測優化模型
4.4.1 PFAC模型
4.4.2 PSAC模型
4.4.3 SPFAC模型
4.4.4 SPSAC模型
4.5 實例應用
4.5.1 實例數據
4.5.2 損失函數
4.5.3 模型誤差模擬分析
4.6 閱讀材料
參考文獻
第5章 BP神經網絡預測優化模型及其應用
5.1 加法分解模式
5.2 BP神經網絡預測模型
5.2.1 前向傳播原理
5.2.2 反向傳播原理
5.2.3 反向傳播神經網絡算法
5.3 BP神經網絡預測優化模型
5.4 實例應用
5.5 閱讀材料
參考文獻
第6章 GRU神經網絡預測優化模型及其應用
6.1 相關分析
6.1.1 Pearson相關系數
6.1.2 偏相關系數
6.1.3 自相關分析
6.1.4 偏自相關分析
6.1.5 *大信息系數
6.2 假設檢驗
6.2.1 t檢驗
6.2.2 Friedman檢驗
6.2.3 Nemenyi檢驗
6.3 GRU神經網絡
6.4 GRU神經網絡預測優化模型
6.5 實例應用
6.5.1 實例數據
6.5.2 數據清洗
6.5.3 輸入變量的選擇
6.5.4 超參數的確定
6.5.5 實驗設計
6.5.6 數據生成器結果分析和比較
6.5.7 統一預測范圍后的結果對比
6.5.8 其他應用實例
6.5.9 與其他模型的預測精度對比
6.6 閱讀材料
參考文獻
第7章 Weibull分布擬合預測優化模型及其應用
7.1 Weibull分布
7.1.1 雙參Weibull分布
7.1.2 雙側Weibull分布
7.2 其他分布
7.2.1 Logistic分布
7.2.2 Lognormal分布
7.3 損失函數
7.3.1 基于極大似然估計的損失函數
7.3.2 基于矩估計的損失函數
7.3.3 新損失函數
7.4 Weibull分布擬合預測優化
7.5 實例應用
7.5.1 實例數據
7.5.2 實例模擬流程
7.5.3 形狀參數估計結果
7.5.4 概率分布擬合結果
7.6 閱讀材料
參考文獻
第8章 雙側截尾正態分布擬合預測優化模型及其應用
8.1 雙側截尾正態分布
8.1.1 一元正態分布
8.1.2 多元正態分布
8.1.3 截尾正態分布
8.2 擬合預測精度
8.2.1 截尾正態分布擬合預測精度淺析
8.2.2 擬合預測精度衡量準則
8.2.3 連續分級概率評分
8.3 參數估計方法
8.3.1 截尾點參數估計方法
8.3.2 損失函數
8.4 雙側截尾正態分布擬合預測優化及其異常值檢測應用
8.5 實例應用
8.5.1 實例數據
8.5.2 初始化參數選擇
8.5.3 不同標準化區間對模型的影響
8.5.4 *終異常值檢測結果
8.6 閱讀材料
參考文獻
展開全部
預測模型的優化及應用 作者簡介
吳潔，2015年于蘭州大學獲得理學博士學位，同年進入西北民族大學任職，現任數學與計算機科學學院副教授。主持國家自然科學基金、中央高校科研項目、引進人才項目等3項，發表SCI及EI檢索論文20余篇，其中含高被引論文1篇。作為指導教師，指導學生參加全國大學生數學建模競賽，獲甘肅省特等獎和二等獎各一項。
書友推薦
- >
唐代進士錄
- >
羅庸西南聯大授課錄
- >
有舍有得是人生
- >
中國歷史的瞬間
- >
小考拉的故事-套裝共3冊
- >
月亮與六便士
- >
詩經-先民的歌唱
- >
我與地壇
本類暢銷
